Une bibliographie liée à la présentation du projet EFRAN

 

Amiel, T., & Reeves, T. C. (2008). Design-Based Research and Educational Technology: Rethinking Technology and the Research Agenda. Journal of Educational Technology & Society, 11(4), 29–40.

Bell, P. (2004). On the Theoretical Breadth of Design-Based Research in Education. Educational Psychologist, 39(4), 243–253.

Bereiter, C., & Scardamalia, M. (1987). The psychology of written composition. L. Erlbaum Associates.

Bruillard, E., & Vivet, M. (1994). Concevoir des EIAO pour des situations scolaires. Approche méthodologique. Recherches En Didactique Des Mathematiques, 14(1–2), 275–304.

Charpak, G., Léna, P., & Quéré, Y. (2005). L’ Enfant et la Science: L’aventure de La main à la pâte. Odile Jacob.

Delozanne, E., Prévit, D., Grugeon, B., & Jacoboni, P. (2003). Scénarios d’utilisation et conception d’un EIAH, le cas du diagnostic dans PEPITE.

Edelson, D. C., Gordin, D. N., & Pea, R. D. (1999). Addressing the Challenges of Inquiry-Based Learning Through Technology and Curriculum Design. Journal of the Learning Sciences, 8(3–4), 391–450.

Grangeat, M. (2013). Les démarches d’investigation dans l’enseignement scientifique, Pratiques de classe, travail collectif d’enseignant.

Grangeat, M. (2013). Les Enseignants de sciences face aux démarches d’investigation. Presses Universitaires de Grenoble.

Laferriere, T., & Lamon, M. (2010). Knowledge Building/Knowledge Forum®: The Transformation of Classroom Discourse. In M. S. Khine & I. M. Saleh (Eds.), New Science of Learning (pp. 485–501). Springer New York.

Manlove, S., Lazonder, A. w., & de Jong, T. (2006). Regulative support for collaborative scientific inquiry learning. Journal of Computer Assisted Learning, 22(2), 87–98.

Rabardel, P. (1995). Les hommes et les technologies; approche cognitive des instruments contemporains. Armand Colin.

Ryser, G. R., Beeler, J. E., & McKenzie, C. M. (1995). Effects of a Computer-Supported Intentional Learning Environment (CSILE) on Students’ Self-Concept, Self-Regulatory Behavior, and Critical Thinking Ability. Journal of Educational Computing Research, 13(4), 375–385.

Sanchez, É., & Monod-Ansaldi, R. (2015). Recherche collaborative orientée par la conception. Education & didactique, 9(2), 73–94.

Scardamalia, M., & Bereiter, C. (1993). Computer Support for Knowledge-Building Communities. The Journal of the Learning Sciences, 3(3), 265–283.

Tchounikine, P. (2002). Quelques éléments sur la conception et l’ingénierie des EIAH. In Actes des 2ème assises nationales du GdR I3 – Groupe de Recherche Information Interaction Intelligence, décembre 2002 (p. 13 pages).

Tchounikine, P. (2011). Computer Science and Educational Software design – A Resource for Multidisciplinary Work in Technology Enhanced Learning. Springer.

 

Une bibliographie sur les méthodes mixtes et sur l’Educational Data Mining

Ce billet est une bibliographie qui sert de support à un certain nombre de billets à venir sur mon blog de recherche, il n’est pas autosuffisant, donc ne vous inquiétez pas si vous ne comprenez rien.
Baker, R.S.J.d., de Carvalho, A. M. J. A. (2008) Labeling Student Behavior Faster and More Precisely with Text Replays. In: Proceedings of the 1st International Conference on Educational Data Mining, 38–47.
Baker, R. S., & Inventado, P. S. (2014). Educational Data Mining and Learning Analytics. In J. A. Larusson & B. White (Eds.), Learning Analytics (pp. 61–75). Springer New York.
Baker, R. S. J. d, & Yacef, K. (2009). The State of Educational Data Mining in 2009: A Review and Future Visions. JEDM – Journal of Educational Data Mining, 1(1), 3–17.
Bryman, A. (2006 ). Mixed methods: A jour-volume set. London: Sage
Caracelli, J., & Greene, J. C. (1993). Data analysis strategies for mixed-method evaluation designs. Educational Evaluation and Policy Analysis, 15(2), 195-207.
Cisel, M. (2016). Utilisations des MOOC, éléments de typologie. Manuscrit de thèse non publié.
Corbett, A. T. & Anderson, J. R. (1995). Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction, 4, 253-278
Creswell, J. W., & Plano Clark, V. L. (2007). Designing and conducting mixed methods research. Thousand Oaks, CA: Sage.
Creswell, J. W. (2009). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SAGE Publications.
Dekker, G., Pechenizkiy, M., & Vleeshouwers, J. (2009). Predicting Students Drop Out: A Case Study. In Proceedings of the International Conference on Educational Data Mining. 41-50.
Embretson, S. E., & Reise, S. P. (2013). Item Response Theory. Psychology Press.
Greene. J. C., Caracelli, V. J., & Graham, W E (1989). Toward a conceptual framevvork for mixed-method evaluation designs. Educational Evaluation and Policy Analysis, 11(3), 255-274.
Greene, J. C. (2007). Mixed methods in social inquiry. San Francisco: Jossey-Bass.
Isaac, H., & Volle, P. (2008). E-commerce: de la stratégie à la mise en oeuvre opérationnelle. Pearson Education France.
Kizilcec, R. F., Piech, C., & Schneider, E. (2013). Deconstructing Disengagement: Analyzing Learner Subpopulations in Massive Open Online Courses.In Proceedings of the Third International Conference on Learning Analytics and Knowledge, LAK 2013.
Kizilcec, R. F., Schneider, E., Cohen, G. L., & McFarland, D. A. (2014). Encouraging Forum Participation in Online Courses with Collectivist, Individualist, and Neutral Motivational Framings. eLearning Papers, 37, 13-22.
Koedinger, K.R., Baker, R.S.J.d., Cunningham, K., Skogsholm, A., Leber, B., Stamper, J. (2010) A Data Repository for the EDM community: The PSLC DataShop. In Romero, C., Ventura, S., Pechenizkiy, M., Baker, R.S.J.d. (eds.) Handbook of Educational Data Mining. Boca Raton, FL: CRC Press.
Lebis, A. (2016). Vers une capitalisation des processus d’analyse de traces. In Rencontres Jeunes Chercheurs en EIAH (RJC-EIAH 2016). Montpellier, France.
Mertens, D. M. (2003). Mixed methods and the politics of human research: The transformative-emancipatory perspective. In A. Tashakkori & C. Teddlie (Eds.), Handbook of mixed methods in the social & behavioral sciences (pp. 135-164). Thousand Oaks. CA: Sage.
Moore, A.W. (2006). Statistical Data Mining Tutorials. Récuppéré à l’adresse http://www.autonlab.org/tutorials/
Morse. J. M. (1991). Approaches to qualitative-quantitative methodological triangulation. Nursing Research. 40(1). 120-123.
Onwuegbuzie, A. J., & Johnson, R. B. (2006). The Validity Issues in Mixed Research. ResearchGate, 13(48), 48–63.
Onwuegbuzie, A. J. (2000). Expanding the Framework of Internal and External Validity in Quantitative Research. Retrieved from http://eric.ed.gov/?id=ED448205
Pavlik, P. I., Cen, H., Wu, L., & Koedinger, K. R. (2008). Using Item-Type Performance Covariance to Improve the Skill Model of an Existing Tutor. In Proceedings of the 1st International Conference on Educational Data Mining, 77-86.
Peña-Ayala, A. (2013). Educational Data Mining: Applications and Trends. Springer.
Plano Clark, V. L. & Creswell, J. W. (2008). The mixed methods reader. Thousand Oaks, CA: Sage.
Romero, C., Ventura, S. (2007). Educational Data Mining: A Survey from 1995 to 2005. Expert Systems with Applications 33, 125-146
Romero, C., Ventura, S., Pechenizkiy, M., & Baker, R. S. J. d. (2010). Handbook of Educational Data Mining. CRC Press.
Sanchez, E., Emin-Martinez, V., & Mandran, N. (2015). Jeu-game, jeu-play, vers une modélisation du jeu. Une étude empirique à partir des traces numériques d’interaction du jeu. STICEF.
Shadish, W. R., Cook, T. D., & Campbell, D. T. (2001). Experimental and Quasi-Experimental Designs for Generalized Causal Inference (2 edition). Boston: Cengage Learning.
Siemens, G., & Baker, R. S. J. d. (2012). Learning Analytics and Educational Data Mining: Towards Communication and Collaboration. In Proceedings of the 2Nd International Conference on Learning Analytics and Knowledge (pp. 252–254). New York, NY, USA: ACM.
Tashakkori, A., &Teddlie, C. (1998). Mixed methodology: Combining qualitative and quantitative approaches. Thousand Oaks, CA: Sage
Tashakkori. A., & Teddlie. C. (Eds.). (2003). Handbook of mixed methods in the social & behavioral sciences. Thousand Oaks, CA: Sage.
Terenzini, P. (1987). Studying student attrition and retention. In G. W. McLaughlin and J. A. Muffo (Eds.), A primer of institutional research (pp. 20- 35). Tallahassee, FL: Association of Institutional Research.
Tomkin, J. H., & Charlevoix, D. (2014). Do Professors Matter?: Using an a/B Test to Evaluate the Impact of Instructor Involvement on MOOC Student Outcomes. In Proceedings of the First ACM Conference on Learning @ Scale Conference (pp. 71–78).
Walonoski, J.A., Heffernan, N.T. Prevention of Off-Task Gaming Behavior in Intelligent Tutoring Systems (2006). In: Proceedings of the 8th International Conference on Intelligent Tutoring Systems, 722-724.

 

Et hop, une deuxième biblio, réalisée pour une autre mission cette fois-ci :

Amiel, T., & Reeves, T. C. (2008). Design-Based Research and Educational Technology: Rethinking Technology and the Research Agenda. Journal of Educational Technology & Society, 11(4), 29–40.
Anderson, J. R. (1996). ACT: A simple theory of complex cognition. American Psychologist, 51(4), 355–365.
Barab, S., & Squire, K. (2004). Design-Based Research: Putting a Stake in the Ground. Journal of the Learning Sciences, 13(1), 1–14.
Belle, T. J. L. (1982). Formal, nonformal and informal education: A holistic perspective on lifelong learning. International Review of Education, 28(2), 159–175.
Biesta, G. J. J. (2010). Why “What Works” Still Won’t Work: From Evidence-Based Education to Value-Based Education. Studies in Philosophy and Education, 29(5), 491–503.
Cisel, M., & Bruillard, E. (2013). Chronique des MOOC, 19. Revue STICEF
Creswell, J. W. (2009). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SAGE Publications.
Davies, P. (1999). What is Evidence-based Education? British Journal of Educational Studies, 47(2), 108–121.
Dehaene, S. (2011). Apprendre à lire: Des sciences cognitives à la salle de classe. Paris: Odile Jacob.
Embretson, S. E., & Reise, S. P. (2013). Item Response Theory. Psychology Press.
Engeström, Y. (2011). From design experiments to formative interventions. Theory & Psychology, 21(5), 598–628.
Gaussel, M., & Reverdy, C. (2013). Neurosciences et éducation : la bataille des cerveaux. Dossier de veille de l’IFE.

Houdé, O. (2008). Pedagogy, not (only) anatomy of reasoning. Trends in Cognitive Sciences, 12(5), 173–174.
Hursh, D. (2007). Assessing No Child Left Behind and the Rise of Neoliberal Education Policies. American Educational Research Journal, 44(3), 493–518.
Moulin, L., Flacher, D., & Harari-Kermadec, H. (2016). Tuition fees and social segregation: lessons from a natural experiment at the University of Paris 9-Dauphine. Applied Economics, 48(40), 3861–3876.
Romero, C., Ventura, S., Pechenizkiy, M., & Baker, R. S. J. d. (2010). Handbook of Educational Data Mining. CRC Press.
Sanchez, É., & Monod-Ansaldi, R. (2015). Recherche collaborative orientée par la conception. Education & didactique, 9(2), 73–94.
Sanderson, I. (2002). Evaluation, Policy Learning and Evidence-Based Policy Making. Public Administration, 80(1), 1–22.
Siemens, G., & Baker, R. S. J. d. (2012). Learning Analytics and Educational Data Mining: Towards Communication and Collaboration. In Proceedings of the 2Nd International Conference on Learning Analytics and Knowledge (pp. 252–254). New York, NY, USA: ACM.

Les fonctionnalités de réseaux sociaux dans les LMS

Créer son profil

Possibilité de créer son profil (poster sa photo, etc.). Un exemple pris de Beebac.

img_58627cdec2a88

S’abonner à des producteurs de contenu

Possibilité de se construire un fil d’actualité, en s’abonnant (pourquoi pas à des projets, à d’autres apprenants, d’autres classes, etc.)

img_58627e66c1865

Rechercher des contacts

Trouver des « amis » présent sur le LMS
img_58627f8777825

 

Fil d’actualité personnel

Equivalent du fil d’actualité personnel de réseaux sociaux comme Facebook. Depuis cette page, on peut partager son statut, visualiser des partages d’autrui, accéder à des contacts, des messages, des cours. C’est une forme de tableau de bord customisé réseaux sociaux.

img_58628070640cc

Fil d’actualité du cours

Centré cette fois sur l’activité du cours (ici, pour le LMS Futurelearn, centré sur les interactions écrites). Possibilité de filtrer (tout le monde, ceux qu’on suit, etc.)


img_586284d491137

 

Afficher publiquement son réseau

Venture Lab, maintenant devenu Novoed. Je peux montrer à autrui mon réseau d’apprenants

 

Hall of Fame

Un autre grand classique : le Hall of Fame, qui met en avant les apprenants/groupes d’apprenants les plus méritants.

 

Quelques composantes du tableau de bord élève

Plusieurs niveaux de tableau de bord : celui qui agrège. On y trouve plusieurs composantes : les rappels de tâche, les dernières annonces, et, dans le cas particulier du Venture Lab, l’activité des autres élèves.

Barre de progression

Où l’élève visualise quelle est la proportion des tâches à faire qu’il a effectivement réalisées (tiré de Futurelearn)

img_586283c644b2e

Tableau des tâches à réaliser

On peut aller plus loin dans la gestion de son activité, avec le tableau de gestion des tâches à réaliser. Ces tableaux peuvent ou non être spécifiques à certaines activités. Ici, des devoirs à corriger lorsqu’il y a évaluation par les pairs.

 

Etayage et formulation d’idées (hypothèses, questions de recherche, etc.)

Les scaffolds auxquels nous nous intéresserons dans ce billet sont dédiés à la formulation d’idées (questionnement, hypothèses, etc.). Plusieurs types d’outils peuvent être utilisés au cours de la phase de formalisation d’une idée.  Nous en donnerons trois, qui, ensemble, sont représentatifs des scaffolds existants.

Lire le reste de cet article »

Etayage et constitution de l’état de l’art

Nous en sommes ici à l’étape de la démarche d’investigation qui consiste à la réalisation d’un état de l’art, avec un focus sur l’étayage, comme dans de nombreux articles. Celui-ci peut se faire soit sur Internet – on touche alors au domaine de la recherche d’information en ligne , ou Web Inquiry – soit à partir de bibliothèques de contenu pré-définies. Quels sont les étayages possibles ?

Lire le reste de cet article »

L’étayage à l’échelle de la démarche d’investigation prise dans son ensemble

Rappelons que dans le contexte qui est le nôtre l’étayage vise à encadrer le travail des élèves à chacune des étapes de la démarche d’investigation. Ces fonctionnalités correspondent à ce que l’on nomme dans la littérature anglo-saxonne les « Scaffolds » pour le « Inquiry-Based Learning ». En d’autres termes, l’étayage pour la démarche d’investigation.  Il existe une certaine diversité de Scaffolds, que nous ne détaillerons pas ici.

Lire le reste de cet article »